GoogleNESIA.com: Regresi

SIMPLE LINEAR REGRESSION
(Regresi Sederhana Garis Lurus)

Regresi merupakan suatu bentuk atau model hubungan fungsi yang menggambarkan hubungan secara statistik (statistical relationship) antara dua atau lebih variabel, misalnya antara tingkat penjualan dan pengeluaran untuk iklan, dapat dibuat suatu model regresi yang memperlihatkan bentuk hubungan kedua variabel tersebut. Ada 2 macam model regresi sederhana, yakni regresi garis lurus dan regresi bukan garis lurus. Bab ini akan fokus kepada pembahasan dan penggunaan regresi sederhana garis lurus.

Analisis statistik bivariat merupakan analisis tentang suatu populasi, kelompok data, kejadian atau fenomena kehidupan berdasarkan dua variabel, terutama mempelajari bentuk keterkaitan (pattern of relationship/association) dan derajat keterkaitan (degree of relationship/association) antara dua variabel tersebut.

Sebab-akibat (cause-effect) adalah hubungan pengaruh saling mempengaruhi antara dua atau lebih variabel. Adanya korelasi memberikan indikasi kemungkinan adanya hubungan sebab akibat, tetapi tidak membuktikan adanya hubungan sebab-akibat tersebut.

Dua contoh statistik bivariat adalah:

1. Regresi garis lurus yang menggambarkan pola hubungan garis lurus (linear relationship) antara variabel dependen (Y) dengan satu variabel independen (X) yang dapat digunakan untuk memperkirakan besaran nilai Y jika besaran nilai X diketahui.

2. Koefisien korelasi Pearson yang menunjukkan derajat keterkaitan garis lurus (degree of linear relationship) antara kedua variabel.

Regresi sederhana (simple regression) adalah bentuk hubungan fungsi (keterkaitan antarvariabel) antara 2 variabel meliputi:

1. Variabel bebas (independent variable, X) disebut juga variabel regressor, variabel penjelas (explanatory variable), variabel input, atau variabel yang dimanipulasi (manipulated variable).

2, Variabel terikat (dependent variable, Y) disebut juga variabel regressand, variabel yang dijelaskan (explained variable), variabel output, atau variabel dampak (impact variable).